关于xml:如何在Python中使用Xpath?

关于xml:如何在Python中使用Xpath?

How to use Xpath in Python?

什么是图书馆? 是否有完整的实现? 图书馆如何使用? 它的网站在哪里?


libxml2具有许多优点:

  • 符合规范
  • 积极发展和社区参与
  • 速度。这实际上是一个围绕C实现的python包装器。
  • 无处不在。 libxml2库无处不在,因此已经过了很好的测试。
  • 缺点包括:

  • 符合规范。严格在其他库中,诸如默认名称空间处理之类的事情会更容易。
  • 使用本机代码。这可能会很麻烦,具体取决于您的应用程序的分发/部署方式。可使用RPM来减轻这种痛苦。
  • 手动资源处理。请注意下面的示例中对freeDoc()和xpathFreeContext()的调用。这不是很Pythonic。
  • 如果您要进行简单的路径选择,请坚持使用ElementTree(Python 2.5附带)。如果需要完全符合规范或原始速度,并且可以应付本机代码的分发,请使用libxml2。

    libxml2 XPath使用示例

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    import libxml2

    doc = libxml2.parseFile("tst.xml")
    ctxt = doc.xpathNewContext()
    res = ctxt.xpathEval("//*")
    if len(res) != 2:
        print"xpath query: wrong node set size"
        sys.exit(1)
    if res[0].name !="doc" or res[1].name !="foo":
        print"xpath query: wrong node set value"
        sys.exit(1)
    doc.freeDoc()
    ctxt.xpathFreeContext()

    ElementTree XPath使用示例

    1
    2
    3
    4
    from elementtree.ElementTree import ElementTree
    mydoc = ElementTree(file='tst.xml')
    for e in mydoc.findall('/foo/bar'):
        print e.get('title').text

    lxml软件包支持xpath。尽管我在self ::轴上遇到了一些麻烦,但它似乎工作得很好。还有Amara,但我还没有亲自使用过。


    在这里听起来像一个lxml广告。 ;)ElementTree包含在std库中。在2.6及以下的版本中,其xpath相当弱,但在2.7中则大大改进:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    import xml.etree.ElementTree as ET
    root = ET.parse(filename)
    result = ''

    for elem in root.findall('.//child/grandchild'):
        # How to make decisions based on attributes even in 2.6:
        if elem.attrib.get('name') == 'foo':
            result = elem.text
            break

    使用LXML。 LXML充分利用了libxml2和libxslt的功能,但是将它们包装在比这些库中固有的Python绑定更多的" Pythonic"绑定中。这样,它将获得完整的XPath 1.0实现。本机ElemenTree支持XPath的有限子集,尽管它可能足以满足您的需求。


    另一个选项是py-dom-xpath,它与minidom无缝配合,并且是纯Python,因此可以在appengine上使用。

    1
    2
    import xpath
    xpath.find('//item', doc)

    您可以使用:

    PyXML:

    1
    2
    3
    4
    5
    from xml.dom.ext.reader import Sax2
    from xml import xpath
    doc = Sax2.FromXmlFile('foo.xml').documentElement
    for url in xpath.Evaluate('//@Url', doc):
      print url.value

    libxml2:

    1
    2
    3
    4
    import libxml2
    doc = libxml2.parseFile('foo.xml')
    for url in doc.xpathEval('//@Url'):
      print url.content


    最新版本的elementtree很好地支持XPath。我不是XPath专家,我不能肯定地说实现是否完整,但是在使用Python时它已经满足了我的大部分需求。我也使用了lxml和PyXML,我发现etree很不错,因为它是一个标准模块。

    注意:从那以后我就找到了lxml,对我来说,它绝对是Python最好的XML库。它也很好地完成了XPath(尽管可能不是完整的实现)。


    您可以使用lxml中的简单soupparser

    例:

    1
    2
    3
    4
    from lxml.html.soupparser import fromstring

    tree = fromstring("Find me!")
    print tree.xpath("//a/text()")

    如果您希望同时拥有XPATH的功能和使用CSS的能力,则可以使用parsel

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    >>> from parsel import Selector
    >>> sel = Selector(text=u"""<html>
            <body>
                Hello, Parsel!
               
    <ul>

                   
    <li>
    Link 1
    </li>

                   
    <li>
    Link 2
    </li>

                </ul
            </body>
            </html>"""
    )
    >>>
    >>> sel.css('h1::text').extract_first()
    'Hello, Parsel!'
    >>> sel.xpath('//h1/text()').extract_first()
    'Hello, Parsel!'

    另一个库是4Suite:http://sourceforge.net/projects/foursuite/

    我不知道它是如何符合规范的。但这对我来说非常有效。它看起来被遗弃了。


    PyXML运作良好。

    您没有说明正在使用什么平台,但是如果您使用的是Ubuntu,则可以使用sudo apt-get install python-xml来获得它。我敢肯定其他Linux发行版也有。

    如果您使用的是Mac,则xpath已安装但无法立即访问。您可以在环境中设置PY_USE_XMLPLUS或使用Python方式在导入xml.xpath之前进行设置:

    1
    2
    if sys.platform.startswith('darwin'):
        os.environ['PY_USE_XMLPLUS'] = '1'

    在最坏的情况下,您可能必须自己构建它。该软件包不再维护,但仍然可以正常运行,并且可以与现代2.x Python一起使用。基本文档在这里。


    如果您需要html:

    1
    2
    3
    import lxml.html as html
    root  = html.fromstring(string)
    root.xpath('//meta')


    推荐阅读